交叉表（cross-tabulation，簡稱crosstab）是⼀種⽤于計算分組頻率的特殊透視表。
語法詳解：
pd.crosstab(index, # 分組依據
columns, # 列
values=None, # 聚合計算的值
rownames=None, # 列名稱
colnames=None, # 行名稱
aggfunc=None, # 聚合函數
margins=False, # 總計行/列
dropna=True, # 是否刪除缺失值
normalize=False #
)
1 crosstab() 實例1
1.1 讀取數據
import os
import numpy as np
import pandas as pd
file_name = os.path.join(path, 'Excel_test.xls')
df = pd.read_excel(io=file_name, # 工作簿路徑
sheetname='透視表', # 工作表名稱
skiprows=1, # 要忽略的行數
parse_cols='A:D' # 讀入的列
)
df
1.2 pd.crosstab() 默認生成以行和列分類的頻數表
pd.crosstab(df['客戶名稱'], df['產品類別'])
1.3 設置跟多參數實現分類匯總
pd.crosstab(index=df['客戶名稱'],
columns=df['產品類別'],
values=df['銷量'],
aggfunc='sum',
margins=True
).round(0).fillna(0).astype('int')
注：因為交叉表示透視表的特例，所以交叉表可以用透視表的函數實現。又因為透視表可以用更 python 的方式 groupby-apply 實現，所以，交叉表完全可以用 groupby-apply 的方式實現。
2 用分類匯總的方法實現 交叉表
df.groupby(['客戶名稱', '產品類別']).apply(sum)
2.1 分類匯總、重新索引、設置數值格式綜合應用
c_tbl = df.groupby(['客戶名稱', '產品類別']).apply(sum)['銷量'].unstack()
c_tbl['總計'] = c_tbl.sum(axis=1) # 添加總計列
c_tbl.fillna(0).round(0).astype('int')
軟件信息：
補充：使用python(pandas)將數據處理成交叉分組表
交叉分組表是匯總兩種變量數據的方法, 在很多場景可以用到, 本文會介紹如何使用pandas將包含兩個變量的數據集處理成交叉分組表.
環境
pandas
python 2.7
原理
用坐標軸來進行比喻, 其中一個變量作為x軸, 另一個作為y軸, 如果定位到數據則累加一, 將所有數據遍歷一遍, 最后的坐標軸就是一張交叉分組表(使用坐標軸展示的數據一般是連續的, 交叉分組表的數據是離散的).
具體實現
示例數據:
quality price
0 bad 18
1 bad 17
2 great 52
3 good 28
4 excellent 88
5 great 63
6 bad 8
7 good 22
8 good 68
9 excellent 98
10 great 53
11 bad 13
12 great 62
13 good 48
14 excellent 78
15 great 63
16 good 37
17 great 69
18 good 28
19 excellent 81
20 great 43
21 good 32
22 great 62
23 good 28
24 excellent 82
25 great 53
代碼:
import pandas as pd
from pandas import DataFrame, Series
#生成數據
df = DataFrame([['bad', 18], ['bad', 17], ['great', 52], ['good', 28], ['excellent', 88], ['great', 63]
, ['bad', 8], ['good', 22], ['good', 68], ['excellent', 98], ['great', 53]
, ['bad', 13], ['great', 62], ['good', 48], ['excellent', 78], ['great', 63]
, ['good', 37], ['great', 69], ['good', 28], ['excellent', 81], ['great', 43]
, ['good', 32], ['great', 62], ['good', 28], ['excellent', 82], ['great', 53]], columns = ['quality', 'price'])
#廣播使用的函數
def quality_cut(data):
s = Series(pd.cut(data['price'], np.arange(0, 100, 10)))
return pd.groupby(s, s).count()
#進行分組處理
df.groupby(df['quality']).apply(quality_cut)
結果:
交叉分組
詳細分析
從邏輯上來看, 為了達到對示例數據的交叉分組, 需要完成以下工作:
將數據以quality列進行分組.
將每個分組的數據分別進行cut, 以10為間隔.
將cut過的數據, 以cut的范圍為列進行分組
將所有數據組合到一起, row為quality, columns為cut的范圍
步驟1, pandasgroupby(...)接口, 會按照指定的列進行分組處理, 每一個分組, 存儲相同類別的數據
class 'pandas.core.frame.DataFrame'>
quality price
0 bad 18
1 bad 17
6 bad 8
11 bad 13
而我們需要的, 只是price這列的數據, 所以單獨將這列拿出來, 進行cut, 最后得到我們要的series(步驟2, 步驟3)
price
(0, 10] 1
(10, 20] 3
(20, 30] 0
(30, 40] 0
(40, 50] 0
(50, 60] 0
(60, 70] 0
(70, 80] 0
(80, 90] 0
使用pandas
apply()的廣播特性, 每一個分組的數據都會經過上述幾個步驟的處理, 最后與第一次分組row進行組合.
后記
估計能力有限, 這個問題想了很長時間, 沒想到pandas這么可以這么方便達成交叉分組的效果. 思考的時候主要是卡在數據組合上, 當數據量很大時通過多個步驟進行數據組合, 肯定是低效而且錯誤的. 最后仔細研究了groupby, dataframe, series, dataframeIndex等數據模型, 使用廣播特性用幾句代碼就完成了. 證明了pandas的高性能, 也提醒自己遇見問題一定要耐心分析。
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- python基于Pandas讀寫MySQL數據庫
- python中pandas.read_csv()函數的深入講解
- python pandas合并Sheet,處理列亂序和出現Unnamed列的解決
- python 使用pandas同時對多列進行賦值
- python之 matplotlib和pandas繪圖教程
- Python3 pandas.concat的用法說明
- python pandas模糊匹配 讀取Excel后 獲取指定指標的操作
- 聊聊Python pandas 中loc函數的使用,及跟iloc的區別說明
- python Polars庫的使用簡介
